نظام الرؤية واللغة والحركة (VLA) هو نظام ذكي متعدد الوسائط يدمج بشكل عميق الإدراك البصري وفهم اللغة والتحكم في حركة الروبوت.

تُنشئ تقنية VLA (المحاذاة البصرية) تسلسلات إجراءات قابلة للتنفيذ أو استراتيجيات تحكم للروبوتات مباشرةً من المدخلات البصرية وأوامر اللغة الطبيعية من خلال التعلم الشامل. وتكمن ميزتها الأساسية في قدرتها الفائقة على فهم المشهد والتعميم، مما يُمكّن الروبوتات من إنجاز المهام بأوامر مفتوحة في بيئات واقعية معقدة وديناميكية، مثل خدمات المنازل والعمليات الصناعية. وهي إحدى المسارات الرئيسية لتحقيق الذكاء المُجسّد العام.